参考网址:codelabs.developers.google.com/codelabs/tensorflow-for-poets/#0
上篇文章已说明了tensorflow的安装了。所以我们这次直接就可以跳到上述中的步骤4了:训练图片
打开终端。进入到你的虚拟机的目录下。
首先，下载图片测试数据，由google提供的一个5种花的分类数据。
当然，你也可以自己新建数据,这个后续再说，先用现成的测试数据。
curl -O http://download.tensorflow.org/example_images/flower_photos.tgz
下载好之后，为了减少训练时间，我们可以删除一些测试数据：
rm flower_photos/*/[3-9]*
文件目录如下:
接下来，我们就可以开始训练了
首先，下载训练脚本，这是谷歌针对该测试数据的一个训练脚本
curl -O https://raw.githubusercontent.com/tensorflow/tensorflow/r1.1/tensorflow/examples/image_retraining/retrain.py
开始训练:
python retrain.py \
--bottleneck_dir=bottlenecks \
--how_many_training_steps=500 \
--model_dir=inception \
--summaries_dir=training_summaries/basic \
--output_graph=retrained_graph.pb \
--output_labels=retrained_labels.txt \
--image_dir=flower_photos
完成之后在本目录下生成2个训练模型的文件:retrained_graph.pb和retrained_labels.txt
训练完成之后，我们就可以写测试脚本了。测试脚本也可以下载:
curl -L https://goo.gl/3lTKZs > label_image.py
label_image.py内容如下:
有了测试脚本，就可以用python测试了
python label_image.py 测试图片的路径
e.g.:
python label_image.py flower_photos/daisy/21652746_cc379e0eea_m.jpg
然后会有一个每一种的得分结果显示:
我们要自己训练数据的话。可以自己建个文件夹，然后把要训练的图片分类存好，在训练图片时，把image_dir 指向该文件夹。
